为 Pandas 中的组分配唯一的数字组 ID [重复]答案

【问题标题】：Assign Unique Numeric Group IDs to Groups in Pandas [duplicate]为 Pandas 中的组分配唯一的数字组 ID [重复]
【发布时间】：2018-10-07 14:29:15
【问题描述】：

我一直遇到必须为数据集中的每个组分配唯一 ID 的问题。我在对 RNN 进行零填充、生成图表和许多其他场合时使用过它。

这通常可以通过连接每个pd.groupby 列中的值来完成。但是，通常情况下，定义组的列数、它们的 dtype 或值大小会使串联成为不必要地占用内存的不切实际的解决方案。

我想知道是否有一种简单的方法可以为 pandas 中的组分配唯一的数字 ID。

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

您只需要来自seeiespi（或pd.factorize）的ngroup 数据

df.groupby('C').ngroup()
Out[322]: 
0    0
1    0
2    2
3    1
4    1
5    1
6    1
7    2
8    2
dtype: int64

更多选项

pd.factorize(df.C)[0]
Out[323]: array([0, 0, 1, 2, 2, 2, 2, 1, 1], dtype=int64)
df.C.astype('category').cat.codes
Out[324]: 
0    0
1    0
2    2
3    1
4    1
5    1
6    1
7    2
8    2
dtype: int8

【讨论】：

天哪！容易多了。感谢@Wen
@seeiespi yw :-)

【解决方案2】：

我管理了一个简单的解决方案，我经常参考并希望分享：

df = pd.DataFrame({'A':[1,2,3,4,6,3,7,3,2],'B':[4,3,8,2,6,3,9,1,0], 'C':['a','a','c','b','b','b','b','c','c']})

df = df.sort_values('C')

df['gid'] = (df.groupby(['C']).cumcount()==0).astype(int)

df['gid'] = df['gid'].cumsum()

In [17]: df
Out[17]:
   A  B  C  gid
0  1  4  a    1
1  2  3  a    1
2  3  8  b    2
3  4  2  b    2
4  6  6  b    2
5  3  3  b    2
6  7  9  c    3
7  3  1  c    3
8  2  0  c    3

【讨论】：